量子机器学习(QML)旨在使用量子系统对向量进行编码,并使用新的量子算法对其进行学习。
爱因斯坦
量子计算机将用于什么用途?量子计算机有望在许多领域帮助解决难题,包括机器学习。
本文详细讲述量子计算机上卷积神经网络(CNN)的理论实现。我们将此算法称为QCNN,我们证明了它可以比CNN 更快地运行,并且精度很高。
为此,我们必须提出卷积积的量子形式,找到实现非线性和池化的方法,以及对表示图像的量子态进行层析成像的新方法,以保留有意义的信息。
CNN和Quantum计算机的超简短介绍
简而言之,我们可以说量子物理系统可以描述为维度为2^n的某些希尔伯特空间中的向量,其中n是粒子数。实际上,这些向量表示许多可能的观察结果的叠加。
另一方面,机器学习,尤其是神经网络,正在粗略地使用向量和矩阵来理解或处理数据。量子机器学习(QML)旨在使用量子系统对向量进行编码,并使用新的量子算法对其进行学习。一个关键的概念是在许多矢量上使用量子叠加,我们可以同时处理它们。
谷歌的量子计算机最近实现了"量子至上"